Reconstruction de Maillages Profonds à Partir d'Images RGB Uniques par le Biais de Réseaux de Modification Topologique

La reconstruction du maillage 3D d'un objet général à partir d'une seule image est désormais possible grâce aux derniers progrès des technologies d'apprentissage profond. Cependant, en raison de la difficulté non négligeable de générer une structure de maillage viable, les approches les plus avancées simplifient souvent le problème en apprenant les déplacements d'un maillage modèle qui se déforme pour atteindre la surface cible. Bien que la reconstruction d'une forme 3D avec une topologie complexe puisse être réalisée en déformant plusieurs patchs de maillage, il reste difficile de assembler les résultats pour garantir une qualité élevée du maillage. Dans cet article, nous présentons un cadre de reconstruction de maillage à partir d'une seule vue, capable de générer des maillages de haute qualité avec des topologies complexes à partir d'un seul maillage modèle de genre 0. La clé de notre approche réside dans un nouveau cadre de mise en forme progressive qui alterne entre la déformation du maillage et la modification de la topologie. Alors qu'un réseau de déformation prédit les translations par sommet qui réduisent l'écart entre le maillage reconstruit et le modèle réel, un nouveau réseau de modification topologique est utilisé pour éliminer les faces sources d'erreurs, permettant ainsi l'évolution de la topologie. En itérant ces deux procédures, on peut progressivement modifier la topologie du maillage tout en améliorant la précision de la reconstruction. De plus, un réseau d'affinement des bords est conçu pour raffiner les conditions limites afin d'améliorer encore davantage la qualité visuelle du maillage reconstruit. Des expériences étendues montrent que notre approche surpasse les méthodes actuelles les plus avancées tant qualitativement que quantitativement, en particulier pour les formes dotées de topologies complexes.